optimasi penggunaan membership function logika fuzzy pada kasus

ISSN 1412 – 3762
http://jurnal.upi.edu/electrans
ELECTRANS, VOL.11, NO.2, SEPTEMBER 2012 , 27-35
OPTIMASI PENGGUNAAN MEMBERSHIP FUNCTION LOGIKA FUZZY PADA
KASUS IDENTIFIKASI KUALITAS MINYAK TRANSFORMATOR
Boy Fechera, Jaja Kustija, Siscka Elvyanti
Program Studi Pendidikan Teknik Elektro
FPTK Universitas Pendidikan Indonesia
Jl. Dr. Setiabudhi No.207 Bandung
email : [email protected]
Diterima : 10 Januari 2012
Disetujui : 16 Maret 2012
Dipublikasikan : September 2012
ABSTRAK
Identifikasi kualitas minyak transformator menjadi prosedur baku yang harus dilakukan dalam proses
pemeliharaan. Untuk mempermudah identifikasi, maka diperlukan metode perancangan identifikasi kualitas
minyak transformator menggunakan metode logika fuzzy. faktor mendasar yang harus terpenuhi adalah
penskalaan dari input-output, aturan dasar kendali fuzzy dan tipe membership function yang digunakan. Ada
beberapa tipe membership function pada pengendali logika fuzzy yang terdapat di toolbox matlab. Pada
penelitian ini penulis akan menggunakan tiga buah indikator input sebagai standar kelayakan kondisi minyak
transformator dimana input data pada penelitian ini mengacu kepada standar ASTM D 1500 dan standar
SPLN 49-1 : 1982. Pada penelitian ini data input akan dibuat menjadi tiga jenis simulasi dengan
menggunakan dua buah tipe membership function. Dari hasil penelitian mendapatkan kesimpulan bahwa
membership function tipe triangular memberikan hasil yang lebih baik dari pada membership function tipe
Trapezoidal dan membership function gabungan antara triangular dan Trapezoidal.
Kata kunci: logika fuzzy, membership function, minyak transformator.
ABSTRACT
Identification quality of oil transformator is the standard procedures that must be done in maintenance
process control. To facilitate identification, it is necessary to identify the quality of the design method of
transformator oil using fuzzy logic method. fundamental factors that must be met is the scaling of the inputoutput, the basic rules of fuzzy control and the type of membership function used. There are several types of
membership function in fuzzy logic controllers contained in the toolbox (matlab). In this study the author will
use three indicators input as the standard of feasibility of the oil transformator condition, in which the input
data in this study refers to the standard ASTM D 1500 standard and SPLN 49-1 : 1982. In this study the data
input will be made into three types of simulation by using two types of membership function. As the result of
this study that the triangular type membership function gives better results than the Trapezoidal membership
function type and combination of triangular membership function and Trapezoidal.
Key words: fuzzy logic, membership function, oil transformator.
27
BOY FECHERA DKK
:
OPTIMASI PENGGUNAAN MEMBERSHIP FUNCTION
IDENTIFIKASI KUALITAS MINYAK TRANSFORMATOR
LOGIKA
FUZZY
PADA
KASUS
PENDAHULUAN
Minyak transformator merupakan bahan isolasi yang sangat penting fungsinya terhadap kelangsungan
kinerja suatu sistem operasi peralatan. Kegunaan minyak transformator adalah selain untuk bahan isolasi
juga digunakan sebagai bahan media pendingin antara kumparan kawat atau inti besi dengan sirip
pendingin. Agar minyak transformator ini dapat berfungsi dengan baik, maka kualitas minyak harus sesuai
dengan standar kebutuhan. Untuk mengetahui sejauh mana ketahanan minyak transformator tersebut
dalam melaksanakan fungsinya, maka diperlukan informasi yang tepat untuk mengetahui seberapa lama
minyak transformator yang akan digunakan dapat bertahan. Banyak metode untuk mengidentifikasi
kualitas minyak transformator dan banyak indikator yang mempengaruhi minyak transformator bisa
dikatakan masih baik atau tidak. Sehingga diperlukan metode yang baik dan tepat untuk memudahkan
pengindentifikasian kualitas minyak transformator.
Penelitian dengan menggunakan metode logika fuzzy sudah banyak dilakukan oleh peneliti dengan
bermacam-macam masalah. Diantaranya penelitian mengenai, penentuan jumlah produksi dengan aplikasi
metode fuzzy – mamdani penelitian ini dibuat dikarenakan untuk memudahkan penentuan jumlah produksi
barang disetiap bulannya dengan input data permintaan dan persediaan barang setiap bulannya [1]. Pada
tahun 2005 telah dilakukan penelitian dengan menggunakan aplikasi fuzzy dengan matlab 3.5.untuk
mengetahui sejauh mana kepuasan konsumen terhadap tingkat pelayanan dengan input data berupa tingkat
pelayanan dan tingkat harga kamar [2]. Penerapan logika fuzzy juga pernah digunakan untuk penelitian
mengenai penilaian mutu teh hitam yang dilakukan pada tahun 2009 [3]. Metode logika fuzzy juga pernah
digunakan pada tahun 2008 untuk sebuah penelitian dengan judul penelitian rancangan bangun simulator
kendali lampu lintas dengan logika fuzzy berbasis mikrokontroler [4]. Pada tahun 2002 pernah melakukan
penelitian mengenai perbedaan tipe fungsi keanggotaan pada pengendali logika fuzzy dimana penelitian
tersebut menyatakan bahwa tipe segitiga menghasilkan respon system yang lebih optimal dibandingkan
tipe yang lain [5].
Penelitian ini menggunakan metode logika fuzzy dengan memanfaatkan fasilitas toolbox fuzzy yang ada
pada software matlab. Adapun alasan mengapa logika fuzzy banyak digunakan karena:
1. Konsep logika fuzzy mudah dimengerti.
2. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti,
3. Logika fuzzy sangat fleksibel,
4. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat,
5. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks,
6. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman pakar secara
langsung tanpa harus melalui proses pelatihan,
7. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional, dan
8. Logika fuzzy didasarkan pada bahasa alami.
Pencetus gagasan logika fuzzy adalah Prof. L.A. Zadeh (1965) dari California University. Pada prinsipnya
himpunan fuzzy adalah perluasan himpunan crisp, yaitu himpunan yang membagi sekelompok individu
kedalam dua kategori, yaitu anggota dan bukan anggota.
Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis
dengan μ A [x], memiliki 2 kemungkinan, yaitu [6] :
• Satu (1) yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan.
• Nol (0) yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.
28
ELECTRANS, VOL.11, NO.2, SEPTEMBER 2012 , 27-35
Pada himpunan crisp, nilai keanggotaan ada 2 kemungkinan, yaitu 0 atau 1. Sedangkan pada himpunan
fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1.
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu
variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik
(bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif
maupun negatif [6].
Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh
dioperasikan dalam suatu himpunan fuzzy [6].
Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik
input data kedalam nilai keanggotaan yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat
digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa
fungsi yang ada pada logika fuzzy, oleh karena itu dalam penelitian ini akan mencoba beberapa fungsi
keanggotaan untuk mengetahui pengaruh dari setiap fungsi yang baik untuk studi kasus identifikasian
kualitas minyak transformator.
METODE
Sumber data yang digunakan pada penelitian identifikasi kualitas minyak transformator ini terdiri dari tiga
variabel. Dimana data tersebut menjadi input dan acuan untuk mengetahui kualitas minyak trafo. Ketiga
variabel tersebut yaitu:
1.
Warna minyak trafo
Penentuan layak atau tidaknya minyak isolasi berdasarkan warna minyak dapat dibandingkan dengan
skala warna standar minyak trafo sebagai berikut. Contoh-contoh warna minyak trafo dapat dilihat
pada Gambar 1. Berikut ini:
Gambar 1. Skala Warna Standar Minyak Trafo
Warna suatu minyak isolasi dikelompokkan pada skala 0,5 s.d. 8,0 dimana semakin besar kelompok skala
minyak maka semakin keruh (hitam) warna minyak yang berarti kualitas minyak semakin rendah [7].
Pemeriksaan warna dilakukan dengan menggunakan standar ASTM D 1500. Metode ini untuk
pemeriksaan visual pada minyak mineral transformator yang telah terpakai. Warna dari sampel minyak
diukur dengan membandingkan secara visual warna dari sampel minyak yang telah diberi standar nomor
seri tertentu [7].
29
BOY FECHERA DKK
:
OPTIMASI PENGGUNAAN MEMBERSHIP FUNCTION
IDENTIFIKASI KUALITAS MINYAK TRANSFORMATOR
LOGIKA
FUZZY
PADA
KASUS
2. Kadar Asam
Kadar asam merupakan salah satu karakteristik dari minyak transformator yang dilihat berdasarkan
Standar SPLN 49-1 : 1982, Metoda Uji IEC 296 dengan satuan mg KOH/g. Untuk kadar asam ini
memiliki tingkatan nilai terendah yaitu 0 yang menunjukkan tingkat yang paling basa. Sedangkan
tingkatan tertinggi yaitu 0,40 yang menunjukkan tingkat yang paling asam [8].
3. Tegangan Tembus
Tegangan tembus yang juga merupakan salah satu karakteristik dari minyak transformator dan juga
dilihat berdasarkan SPLN 49-1 : 1982, Metoda Uji IEC 296 dengan satuan kV/cm. Dimana untuk
tingkatan terendahnya yaitu 0 yang menunjukkan kualitas minyak transformator yang sangat jelek.
Sedangkan untuk tingkatan tertingginya 120 yang menunjukkan kualitan minyak transformator yang
sangat bagus [8].
Dari data-data yang sudah didapat sebagai input untuk mengetahui kualitas minyak trafo, maka data - data
tersebut dikelompokan sesuai dengan rentang dan tingkatan fuzzy. Seperti Tabel 1, Tabel 2, dan Tabel 3
dibawah ini:
Tabel 1. Fuzzifikasi Untuk Input Warna Minyak Trafo
Skala Warna Minyak Trafo
Tingkatan Fuzzy
Indeks
0 - 0,1
0,1 - 1,5
1,5 - 2,0
2,0 - 3,0
3,0 - 5,0
5,0 - 7,0
7,0 - 8,0
Kuning pucat
Kuning muda
Kuning terang
Kuning sawo
Kuning kehitaman
Coklat kehitaman
Hitam
KP
KM
KT
KS
KK
CK
H
Pada fuzzifikasi warna minyak trafo, penulis mengganti penamaan pada kualitas minyak trafo pada skala
3,0 – 5,0 yang seharusnya kuning sawo menjadi kuning kehitaman dimana tujuan dari penggantian nama
tersebut agar memudahkan dalam memberikan input pada rules logika fuzzy yang dibuat dan membedakan
skala dari warna minyak trafo tersebut. Tetapi hal tersebut tidak mempengaruhi terhadap hasil output
kualitas minyak trafo.
Kadar Asam
Tabel 2. Fuzzifikasi untuk input Kadar asam
Tingkatan Fuzzy
Indeks
0 – 0,05
0,05 – 0,10
0,10 – 0,15
0,15 – 0,20
0,20 – 0,25
0,25 – 0,30
0,30 – 0,40
Sangat Asam
Asam
Agak Asam
Netral
Agak Basa
Basa
Sangat Basa
SA
A
AA
N
AB
B
SB
30
ELECTRANS, VOL.11, NO.2, SEPTEMBER 2012 , 27-35
Tabel 3. Fuzzifikasi untuk input Tegangan Tembus
Tingkatan Fuzzy
Tegangan Tembus
0 – 30
30 – 60
60 – 90
90 – 120
Rendah
Sedang
Tinggi
Sangat Tinggi
Keluaran dari sistem penentuan kualitas minyak trasformator, berupa level yang menunjukkan tingkat
kualitas minyak transformator tersebut. Yang ditunjukan pada Tabel 5 dibawah ini:
Tabel 4. Pembagian Bobot Untuk Level Output
Level
Bobot
0 – 0,2
0,2 – 0,4
0,4 – 0,6
0,6 – 0,8
0,8 – 1,0
Bagus
Standar
Kurang Bagus
Jelek
Sangat Jelek
Pada Gambar 2 dibawah ini merupakan diagram blok proses logika fuzzy:
Crip Input
Input
Membership
function
Fuzzyfication
Fuzzy Input
Rule Evaluation
Rule Base
Fuzzy Output
Output
Membership
function
Defuzzyfication
Crip Output
Gambar 2. Diagram Blok Proses Logika Fuzzy (Ardian, 2010).
31
BOY FECHERA DKK
:
OPTIMASI PENGGUNAAN MEMBERSHIP FUNCTION
IDENTIFIKASI KUALITAS MINYAK TRANSFORMATOR
LOGIKA
FUZZY
PADA
KASUS
HASIL DAN PEMBAHASAN
Berikut merupakan hasil perancangan Optimasi Penggunaan Membership Function Fuzzy Logic Toolbox
Program matlab pada kasus identifikasi kualitas minyak transformator, meliputi:
Gambar 3. FIS editor
Gambar 4. Penggunaan membership function
triangular
Gambar 5. Penggunaan membership function trapezoidal
Gambar 6. Penggunaan membership function gabungan
antara triangular dan trapezoidal
Gambar 7. Rule editor
32
ELECTRANS, VOL.11, NO.2, SEPTEMBER 2012 , 27-35
Gambar 8. Rule viewer
Gambar 9. Surface viewer
Setelah merancang tiga buah program identifikasi kualitas minyak transformator dengan menggunakan
membership function triangular, Trapezoidal dan membership function gabungan antara triangular dan
Trapezoidal. Maka akan dilakukan percobaan dengan beberapa contoh data masukan yang sama pada
setiap program identifikasi kualitas minyak trafo yang berbeda pada membership function untuk mencari
perbedaan dan mengetahui keakurasian dari setiap program yang telah dibuat. Pada Tabel 5. dibawah ini
merupakan hasil dari pengujian beberapa contoh masukan data kondisi minyak transformator, pada setiap
program logika fuzzy identifikasi kualitas minyak transformator yang telah dibuat:
Tabel 5. Hasil Pengujian Program Logika Fuzzy Pada Setiap Membership Function Yang Berbeda
No
Warna
Minyak Trafo
Kadar
Asam
Tegangan
Tembus
Keterangan
Membership
Function
trimf
Membership
Function
trapmf
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
0,4 (KP)
1,1 (KM)
0,9 (KM)
0,7 (KM)
4,8 (KK)
7,2 (H)
7,2 (H)
1,8 (KT)
2,1 (KS)
3 (KK)
2 (KT)
5 (KK)
0,2 (KP)
7,1 (H)
0,8 (KM)
1,1 (KM)
4,6 (KK)
0,07 (A)
0,18 (N)
0,18 (N)
0,12 (AA)
0,36 (SB)
0,19 (N)
0,26 (AB)
0,17 (N)
0,12 (AA)
0,26 (B)
0,20 (N)
0,05 (SA)
0,12 (AA)
0,19 (N)
0,07 (A)
0,13 (AA)
0,17 (N)
40 (S)
102 (ST)
13 (R)
110 (ST)
25 (R)
55 (S)
85 (T)
113 (ST)
83 (T)
80 (T)
90 (T)
111 (ST)
70 (T)
83 (T)
20 (R)
82 (T)
28 (R)
Jelek
Bagus
K. Bagus
Standar
S. Jelek
S. Jelek
K. Bagus
Bagus
K. Bagus
Jelek
Standar
S. Jelek
Standar
S. Jelek
Jelek
Standar
K. Bagus
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Tidak Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Tidak Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Tidak Sesuai
Sesuai
Tidak Sesuai
Sesuai
Sesuai
Sesuai
Membership
Function
trimf &
trapmf
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Sesuai
Tidak Sesuai
33
BOY FECHERA DKK
:
OPTIMASI PENGGUNAAN MEMBERSHIP FUNCTION
IDENTIFIKASI KUALITAS MINYAK TRANSFORMATOR
LOGIKA
FUZZY
PADA
KASUS
Tabel 5 (Lanjutan). Hasil Pengujian Program Logika Fuzzy Pada Setiap Membership Function Yang Berbeda
No
Warna
Minyak Trafo
18
19
20
2,7 (KS)
3,5 (KK)
1,8 (KT)
Kadar
Asam
Tegangan
Tembus
0,19 (N)
119 (ST)
0,03 (SA)
87 (T)
0,24 (AB)
119 (ST)
Tingkat Keakurasian
Keterangan
Membership
Function
trimf
Membership
Function
trapmf
Standar
S. Jelek
Standar
Sesuai
Sesuai
Sesuai
95%
Tidak Sesuai
Sesuai
Sesuai
80%
Membership
Function
trimf &
trapmf
Sesuai
Tidak Sesuai
Sesuai
90%
Pada Tabel 5 menunjukan bahwa dalam hasil pengujian sebanyak dua puluh kali dengan input yang sama
pada kasus pengidentifikasian kualitas minyak transformator menggunakan toolbox fuzzy pada software
Matlab. Pada kasus ini, simulasi logika fuzzy yang menggunakan membership function triangular saat
dilakukan pengujian hanya satu kali tidak sesuai dengan output yang diharapkan dengan tingkat
keakurasian 95%. Simulasi yang sama dengan menggunakan membership function Trapezoidal
mengalami empat kali ketidak sesuaian dengan output yang diharapkan dengan tingkat keakurasian 80%
dan simulasi logika fuzzy penggabungan antara membership function triangular dan Trapezoidal
mengalami dua kali ketidak sesuaian dengan output yang diharapkan dengan tingkat keakurasian 90%.
KESIMPULAN
Berdasarkan hasil dan pembahasan perbedaan penggunaan tipe fungsi keanggotaan (membership
function) sangat mempengaruhi hasil output data, pada kasus pengidentifikasian kualitas minyak
transformator. Setelah melakuakan simulasi didapat bahwa fungsi keanggotaan triangular menghasilkan
respon sistem yang lebih optimal jika dibandingkan dengan tipe keanggotaan Trapezoidal dan fungsi
keanggotaan gabungan antara triangular dan Trapezoidal. Semuanya ditandai dengan nilai indeks
performansi kesalahan minimal.
Dengan mempertimbangkan hasil yang diperoleh dalam penelitian ini, pemanfaatan penggunaan logika
fuzzy pada software Matlab dengan memanfaatkan toolbox fuzzy bisa menjadi alternatif dalam pengecekan
kualitas minyak transformator dan menggunakan fungsi keanggotaan triangular merupakan pilihan yang
paling optimal.
DAFTAR PUSTAKA
[1]
Djunaidi, M. dkk. (2005). “Penentuan Jumlah Produksi Dengan Aplikasi Metode Fuzzy
Mamdani”. Jurnal Ilmiah Teknik Industri. 4, (2), 95-104.
[2]
Pratiwi, Indah dan Prayitno, Edi. (2005). “Analisis Kepuasan Konsumen Berdasarkan Tingkat
Pelayanan Dan Harga Kamar Menggunakan Aplikasi Fuzzy Dengan Matlab 3.5”. Jurnal Ilmiah
Teknik Industri. 4, (2), 66-77
34
ELECTRANS, VOL.11, NO.2, SEPTEMBER 2012 , 27-35
[3]
Rivasti, Rachma. (2009). “Penerapan Logika Fuzzy Pada Penilaian Mutu Teh Hitam Di PTPN XII
Kebun The Kertowowno”. Skripsi pada FTP-UB Malang: tidak diterbitkan.
[4]
Taufik, R, dkk. (2008). “Rancang Bangun Simulator Kendali Lampu Lalu Lintas Dengan Logika
Fuzzy Berbasis Mikrokontroler” dalam prosiding Seminar Nasional IV “SDM Teknologi Nuklir”.
Yogyakarta: Sekolah Tinggi Teknologi Nuklir.
[5]
Suratno. (2002). Pengaruh Perbedaan Tipe Fungsi Keanggotaan Pada Pengendali Logika Fuzzy
Terhadap Tanggapan Waktu Sistem Orde Dua Secara Umum. Tugas Akhir pada FT Universitas
Diponogoro: tidak diterbitkan.
[6]
Kusumadewi, Sri. (2002). Analisis dan Desain Sistem Fuzzy Menggunakan Toolbox Matlab.
Jogjakarta: Graha Ilmu.
[7]
Irwanto, Irwan. (2010). Studi Pengaruh Penuaan (Aging) Terhadap Laju Degradasi Kualitas
Minyak Isolasi Transformator Tenaga. Tugas Akhir pada FT Universitas Diponogoro: tidak
diterbitkan.
[8]
Yopie. (2004). Perancangan Model Indikator Alat Uji Karakteristik Minyak Transformator
Berbasis Logika Fuzzy. Tugas Akhir pada FPTK UPI Bandung : tidak diterbitkan.
35